AI經濟

技術分析是股市分析當中唯一依靠股價進行分析後，提供投資人的決策資訊。其基本信仰是建立在「歷史會不斷重演」的概念上，並試圖使用大量的統計資料來預測行情走勢。但是，技術分析主要所用的K線圖以分類方式，展現每日開高低收價的位置資訊。然而，這樣的「被動式」圖像方式並不能生成出「趨勢線」。 下面的Google簡報，在所有版面呈現台股指數開高低收價的趨勢。每增加一點就能生成一條新的趨勢線。讀者可以發現趨勢線新舊的比較，還能和過去的趨勢線做比較，發現軌跡改變。而右側呈現K棒。 K棒不會有趨勢 你會發現，K棒呈現的開高低收資訊就只是當日的開高低收的位置，並且是一個垂直線的表現方式，也就是所謂的扁平化。但你沒辦法看到股價趨勢，同時你也看不到過去的情況。如果你要看到過去的開高低收，就是現在所見的K線圖。而這樣的K線圖並沒有「趨勢」。 K線圖如何呈現趨勢呢？ 它是藉由轉換數字的方法，產生所謂的技術指標，特別是指移動平均(Moving average, MA)。換句話說，K線圖的K棒並不能呈現任何趨勢，自然也沒有預測性。但為了達到技術分析的目標，從18世紀開發並使用迄今的K線圖上可發現，所謂使用大量統計資料是指對收盤價進行轉換，也就是產生各種的技術指標。如此達到技術分析師的辨別金融市場上非隨機價格圖樣和趨勢。但究其根本，還是收盤價根據數學計算公式或統計學的計算公式得到的數字轉換。 多數的技術指標其實是靠比對或者時間差計算的數字 進行比對 ，產生訊號。例如，MA10和MA20在特定一日比較，如果MA20 > MA10，稱為黃金交叉，成為買進訊號。這樣的比對方式並不是趨勢。 實際所見的MA20線，也只是將每日的MA20值用平滑線段連起來。但這樣的連線方式並未產生任何「趨勢」，而是透過圖像的線感，讓人類視覺發生看到趨勢的感覺。換句話說，該產生的趨勢或預測並沒有出現。而上述的比對方式只是決定買賣點的比對方法，同樣也沒有趨勢和預測。 趨勢從哪來 從過去我們所學的數學到大學的統計學，迴歸分析方法才能產生趨勢，也就是方程式加上誤差，不過，這方程式是由數字在最小誤差的條件下所產生。我們可以發現100%通過所有點，稱為方程式。如果是最小誤差得到的方程式，裡頭存在差距，可用R2表示趨勢的可解釋程度。 一般來說，使用迴歸分析的慣性如上圖。由人決定好時間期間後，所有資料直接找出一條估計線。而我們看到這條估計...

你有想過看到趨勢後，該怎麼解讀呢？ 我們最簡單的趨勢表現法，就是直線。不過，人為習慣使得在認定某段時間內的數據後，就以全體數據進行估計。然而，這樣認定的數據範圍所得到的估計結果，未必是數據最合適的結果。 你們會認為數據怎麼會有最合適的結果，還不到是人為在決定的。然而在大數據和人工智慧時代卻非如此。人力難以處理龐大、雜且亂的數據，甚至少量、雜且亂的數據都難以處理。那麼問題出在哪呢？ 讓我們重新回到人類處理數據時的過程，在對待數據的範圍時總由人決定， 而非數據自己決定 。我想這點是非常重要的，甚至是當我們踏上大數據和人工智慧時代時，對待數據該有的態度，那就是：該還權給數據，由數據自己決定，由數據自己說話。不加入過多的人為因素在其中主導數據該呈現的特徵。 這篇文章延續近期的分享內容，從高中所學的數學方程式、大學所學的統計學迴歸分析和微積分，到大數據和人工智慧的數據建模，讓我們重新看待所學的知識，和其應用。 數字說話的趨勢線是指由數字自己如同人類一樣，增加數字時，重新計算估計式，直到最佳條件達到，即代表最適合這數字群的估計式。 如此一來，我們就會看到每個估計式都會有一段趨勢線，並且兩個估計式造成的數字群在時間數列上就會有斷點。 我們需要認真對待這個斷點的位置，因為它代表前一個趨勢的結束，新的趨勢開始。數字無法告訴我們原因，但能顯示就那時間點！而我們依賴這樣的訊號，進行決策。 臉書META股價趨勢 圖一 上圖是更新至2022年12月23日的一個月臉書每日股價。由每日股價建立最佳的趨勢線。因為需要至少10日數據進行估計，所以第一條線發生在13筆數字，最後一筆數字為11月23日(時間代號=254)。 請看下方圖，紅色點為估計點，紅線為估計線，藍點為實際收盤價。水平軸是時間序，縱軸是價格，正上方顯示加入的點和收盤價數字。 圖二 圖三顯示繼續加入新的數字，11月25日的收盤價，計算估計式，得到估計線。單看圖三，你會認為和圖二差不多。但我們堆疊起來(見圖一)後，你可以看到第二條線的斜率變平了。 圖三 圖四 加入第三個新數字(11月28日，週一，圖四)後，我們看到了整個趨勢重新開始，還就以11月28日為最後點，往前推4個數字，建立出最佳的估計線。而且你還看到這條估計線變成向下趨勢。這代表著11月28日的臉書股價正式破壞了前面的趨勢，重新起算，至於能維持多久就得看未來的數字。 圖五 到了1...

  這是個非常適合商管或非資工管的人學習的工具。 各個專業都有很多重要且需要學習的知識，如果在你大學期間花了大把工夫與時間學了程式，卻仍寫不出個所以然，也無法設計與創造時，很可能你不僅不能跟同專業的人競爭，你還無法跟資工或資管的人競爭。資工與資管的學生四年專注學習寫程式或與程式相關的基礎理論與應用，而商管或非資工管的學生，卻還要放棄學習自己專業知識與應用的時間去學習那些程式，這造成的結果就是別人繼續往前走，但商管類的學生就是在往後走。 商業與管理當中有一項最值得投資的就是【分析能力】與【解讀報表能力】。別以為專家學者很厲害，他們是分析得多，解讀得多，累積出經驗來罷了。甚至他們還得退而求其次，求「有」工具就好。 無論是課程一開始或是現在這個分享給你的免費公開影片，都是為了讓你知道： 美國或其他國家都不會輸出大數據分析方法或人工智慧技術！唯有自己開發才有機會。 但開發成本太高，而且失敗的可能性也太高，無論是哪個台灣的企業都無法承受。而台灣是搞製造的。 你知道製造中有一項叫做工業4.0，也就是全面的機器化與自動化。 為什麼台灣其實不敢說升級到工業4.0，而是說工業3.5嗎?因為在機器化與自動化的前提就是要「精準建模」。我還記得數年前教過的中國學生回到中國後就是做機器人的教育訓練，在沿海省份推動著國小國中的機器人學習。他跟我說了一件事情令我很震驚。因為他工作的公司還輸出機器人到台灣的國立大學。於是我問他，那些機器人的等級是如何的。他回答我，都不是最好的，而是他們很基本款的機器人，有的如果要每天使用，就要每天醒機，然後重新調整參數。 看完以上我詢問的內容後，你有發現為什麼我這麼強調「精準建模」嗎？ 因為只有精準建模 已經將誤差納入考量， 不需要那樣子調整參數。也就是機器會自己微調，這是人工智慧的應用。當然也要場域狀況每天掃描後納入資料庫，讓機器自己去運算。為什麼歐洲車廠在這方面做得很好，也已經達到工業4.0的原因就在於他們將製造流程中的工藝技術轉換成數據，寫入資料庫，反覆的運算後，將機器調整到具有工藝技術的操作能力。 至於各國為什麼不輸出這些高端科技技術呢？因為這關乎國家安全。一旦與國家安全牽扯上關係後，各國都不會輸出。會輸往他國的技術或東西都是該國淘汰下來的技術或東西。這就是為什麼台灣微軟或谷歌說要在台灣發展人工智慧這些新科技的研發是多麼不可信。另一項很重要的原因是...

 一般的K線將股價的開高低收以K棒表現，想看趨勢，卻是使用移動平均線(MA)在K線圖上看看趨勢。不過，移動平均線只是將移動平均數用折線圖表現。先前的文章，我們已經分享過折線圖並非趨勢線，也無法真實展現趨勢。另外，K線圖上的移動平均線也只是用收盤價計算得到移動平均數後，再用折線圖的線段連起來。K線並沒辦法同時展現開、高、低、收價的趨勢。 對此，我們能不能將開高低收價同時找出趨勢，並且從趨勢當中發現一些訊號呢？ 數據說明 使用來自台灣證券交易所從2022年11月1日到2022年12月2日的台股指數數據，數據包含開高低收四個價格。同時，建立時間變數，從數字1到65。 直線多線段/移動式動畫 使用直線多線段方式計算出每個時間段的最佳趨勢線，而展現方式選擇移動式的動畫方式。所謂移動式動畫是指在特定時間段內，每增加一個新的數據跑完迴歸線，並顯示出來。 觀察上圖可發現，最低價的趨勢和其他三個價格趨勢略有不同。因此，從直線多線段的方式可用開盤的趨勢看出收盤的趨勢。 直線多線段/堆疊式動畫 使用直線多線段方式計算出每個時間段的最佳趨勢線，而展現方式選擇堆疊式的動畫方式。所謂堆疊式動畫是指在特定時間段內，每增加一個新的數據跑完迴歸線，顯示出來，同時前面的趨勢線仍保留在圖上。 觀察上圖可發現，台股指數的開盤價、最高價、收盤價有著類似的趨勢走法。 相比於主流使用的K線圖，我們將K棒轉為收盤價線。使用者很難看出收盤價的點位置，而收盤價線運用收盤價產生的線段，造成視覺的趨勢錯覺。另外，下圖因縱軸和畫面比例，讓人感受到台股指數收盤價的快速上漲。事實卻沒有那麼強烈的上漲趨勢。因此，K線圖從不是能展現趨勢和趨勢變化的良好圖像。 非直線多線段/移動式動畫 上面的直線多線段，我們觀察的趨勢線型態來自斜率的變化，而下方的非線性多線段，受非線性函數的特徵呈現出不同的趨勢線型態。 在台股指數的開高低收價四張圖中，非直線型態非常類似。唯有最低價在最近的趨勢，和其他有所差異，但其形態也是非常類似。 小結 對股市的認識，大多數人都是從K線圖開始接觸，K棒告訴投資人當日開高低收的位置。然而，你想從K線圖上看出開高低收的趨勢並非易事，當然過去也不會有想法去找出開高低收的趨勢。但股票投資時，若無股價趨勢，無疑是瞎子過河，非常危險。 這篇文章就是提供比較股價指數的開高低收價，各自建立趨勢後發現這四個價格的趨勢差異。...